للتو، قال كارباثي إن هناك فقط 5000 شخص حول العالم قد تعرفوا بالفعل على أحدث تقنيات الذكاء الاصطناعي.

كان الأمر مفاجئًا بعض الشيء.

للتو، قدّر كارباثي في تغريدة له،الآن، ربما يكون عدد الأشخاص في العالم الذين يمكنهم الوصول فعليًا إلى أحدث تقنيات الذكاء الاصطناعي الداخلي حوالي 5000 شخص فقط، وهم أولئك العاملون في هذا المجال.。

في هذه المختبرات الرائدة، هناك آلاف من عوامل المختبر (lab agents) التي يمكن أن تشكل مجموعة تعاونية تعمل بشكل متواصل لعدة أسابيع، مما يساعد على تطوير مشاريع البرمجيات الكبيرة، واكتشاف الثغرات في الأنظمة في اليوم الأول من إطلاقها، والمشاركة في الهجمات والدفاعات الشبكية بسرعة الآلات، بل وحتى تعزيز الاكتشافات العلمية والأبحاث الرياضية المتقدمة.

والأكثر إثارة للدهشة هو:تقريبًا 6 مليارات شخص لم يتعرضوا بشكل حقيقي لتقنيات الذكاء الاصطناعي القائم على النماذج اللغوية (LLM – Large Language Models).。

الرابط: https://x.com/karpathy/status/2109361546505966046

Karpathy، دعونا نواصل النظر فيما تم ذكره في التغريدة.

ذكر أنه عثر مؤخرًا على تغريدة قديمة نشرها في أبريل من هذا العام. في ذلك الوقت، لاحظ بالفعل أن هناك اختلافات واضحة في فهم الناس لقدرات الذكاء الاصطناعي.

في رأي كارباثي الآن، فإن فهم قدرات نماذج اللغة الطبيعية (LLMs) من قبل الأشخاص المختلفين قد تطور من حالة يتحدث فيها كل مجموعة عن رأيها الخاص، إلى وضع يتسم بوجود هوة متزايدة الانحدار في القدرات المتاحة لهذه النماذج.

تقدير تقريبي،تقريبًا 6 مليار شخص، وهو ما يمثل حوالي 75% من سكان العالم، لم يتعرضوا بشكل فعلي لتقنيات الذكاء الاصطناعي القائم على النماذج اللغوية (LLM – Large Language Models).

تتراوح الأعداد بين مليار وملياري شخص، أي ما يعادل 20% من إجمالي عدد السكان، الذين يستخدمون المنتجات مثل ChatGPT المجانية من حين لآخر فقط.هؤلاء الأشخاص غالبًا ما يرون روبوتات المحادثة التي تبدو غير ماهرة بعض الشيء، ويعتبرونها وسيلة أفضل للاستخدام مقارنة بأدوات مثل بحث جوجل أو أدوات المساعدة في الكتابة، وربما يمكن للوكيل (Agent) أن يساعدك في حجز التذاكر. يقول كارباثي (Karpathy) إن لديه بعض الأصدقاء ذوي الخلفيات غير التقنية، والذين يعتقدون بشكل معقول أنه ليس لديهم مكان لاستخدام هذه الروبوتات فعليًا. حتى العديد من المحترفين في مجالات خارج الرياضيات والبرمجة لا يزالون عند هذا المستوى من الفهم. على سبيل المثال، يقضي كبار المديرين التنفيذيين والعديد من الموظفين في مناصب أخرى الكثير من الوقت في التواصل مع الآخرين، لذلك يدركون بشكل عقلاني ما يحدث في مجال الذكاء الاصطناعي، لكن هذا الفهم لا يزال غير مباشر ومجرد.

وإذا تابعنا القراءة، سنجد تطبيقات متقدمة في مجالات الرياضيات والبرمجة تعتمد على تقنيات الذكاء الاصطناعي القائم على النماذج اللغوية (LLM – Large Language Models).حوالي 20 مليون شخص، أي 0.2% من إجمالي السكانلقد رأيت بأم عيني كيف أصبحت المشاريع المعقدة والكبيرة التي كانت تتطلب أسابيع أو حتى أشهر لإكمالها في الماضي، الآن يمكن للوكيل (Agent) إكمالها باستخدام برقية واحدة فقط. تطوير التطبيقات (Apps)، نسخ التطبيقات، نقل التطبيقات، تفكيك الملفات الثنائية للتطبيقات... كل هذا يحدث بسرعة كبيرة وبطريقة مذهلة. قبل أقل من عام، كنت أكتب الكود يدويًا: حرفًا تلو الآخر، أدخل الأوامر الحاسوبية التي أتذكرها إلى محرر الكود، وأحيانًا أضغط على زر Tab ليساعدني البرنامج في إكمال جزء صغير من الكود تلقائيًا.

في النهاية،حوالي 5000 شخص، وهو ما يمثل 0.00006% من إجمالي السكان، يمكنهم استخدام النظام المتقدم مباشرةً داخليًا.في الواقع، لقد رأى العالم الخارجي بالفعل بعض المظاهر التمهيدية: آلاف العوامل (Agents) تشكل مجموعة واحدة لإكمال مشاريع برمجية ضخمة في غضون أسابيع قليلة؛ اكتشاف الثغرات الأمنية في النظم بشكل تلقائي؛ بدء والدفاع عن الهجمات الشبكية بسرعة الآلات؛ اكتشاف نتائج علمية جديدة؛ وتعزيز التقدم في البحوث الرياضية. كل هذه الأمور، إذا كانت تتطلب من أفضل المتخصصين في الصناعة، قد تستغرق سنوات عديدة لتحقيقها.

في الوقت نفسه، بدأت قدرات البشر على المراجعة والفهم أيضًا في الفشل في مواكبة التطورات السريعة.

على سبيل المثال، ما حدث قبل بضعة أشهر مع OpenAI-HF لا يزال الناس يقومون بتحليله أثريًا؛ وقد يحتاج العلماء إلى وقت طويل أيضًا لدراسة المخطوطات الرياضية المتقدمة هذه واحدة تلو الأخرى.

لماذا لا يرى معظم الناس ما هو حقًا على الطريق الأمامي؟ الذكاء الاصطناعي؟

يتم دفع هذا القمع بشكل رئيسي بواسطة عدة عوامل معًا:

مع زيادة الطموحات العظيمة وحجم المشكلات ومدة المهام، سيتوسع التأثير أيضًا.

إذا كنت تسأل سؤالًا واحدًا فقط وكانت الإجابة النهائية مكونة من فقرة واحدة فقط، فمن المستحيل تقريبًا استغلال إمكانيات هذه الأنظمة بشكل كامل. تحتاج إلى العديد من الأسئلة المهمة حقًا، سواء كانت على نطاق واسع أو صعبة. هذا هو العامل الرئيسي الذي يحدد الفرق بين المستهلكين العاديين والمستخدمين المحترفين.

قدرات النظام تتميز بخصائص واضحة على شكل تقلبات حادة (تشبه الأسنان المتقطعة).

تتركز قدرات الذكاء الاصطناعي القائم على النماذج العميقة (LLM) في المجالات التي تتميز بالرقمنة العالية، والقابلية للتحقق، والقيمة الاقتصادية الكبيرة.

السبب هو أن قدرات النماذج الكبيرة تأتي بشكل رئيسي من التعلم التعزيزي القائم على مكافآت قابلة للتحقق، واختيار بيئة التدريب نفسها يتم بدافع من القيمة التجارية. هذا يحدد بشكل أساسي الفروقات بين المجالات المهنية المختلفة، مثل سبب بروز الرياضيات والبرمجة بشكل خاص.

حقوق الوصول.

النسخة المجانية، والنسخة المدفوعة، والأنظمة الداخلية لا تتمتع بنفس المستوى من القدرات. هذا هو الأمر الأكثر غرابة في الوقت الحالي.

في الواقع، الغالبية العظمى من الناس العاديين لم يتعرفوا بعد على هذه الأنظمة بشكل حقيقي. وحتى لو تعرفوا عليها، فإنهم غالبًا ما يرون فقط روبوتات محادثة بسيطة وغير متطورة.

حاليًا، ما يشعر به معظم المحترفين هو أن التحسين في الكفاءة محدود نسبيًا. في الوقت نفسه، بدأ عدد قليل من المحترفين يشعرون بالدوار:

فجأة، أصبحت منحنى القدرات أمامهم شبه عمودي.

وكل هذا يحدث في نفس الوقت.

كما فكر بعض المستخدمين في هذا الأمر، حتى سام ألتمان، الذي عبر مرارًا وتكرارًا عن رأيه، يعتقد أن الذكاء الاصطناعي في العالم الحقيقي قد لا يغير الأمور بشكل كامل بين عشية وضحاها.

السبب قد يكمن هنا. التقدم في المجالات التكنولوجية سريع للغاية، لكن معظم الناس لم يتعرفوا بعد على هذه الأنظمة بشكل فعلي، وحتى أنهم لم يطوروا عادات استخدام مستقرة لها. التكنولوجيا تصل إلى المختبرات الرائدة، لكن لا يزال هناك طريق طويل قبل أن تنتشر بشكل حقيقي في المجتمع بأسره.

المقال مأخوذ من حساب ويتشات العام “قلب الآلة”، والمؤلف هو “قلب الآلة”.